GEO для медцентра: видимость в ChatGPT и Perplexity

GEO (Generative Engine Optimization) — это подготовка сайта клиники и её внешних упоминаний так, чтобы генеративные поисковики (ChatGPT, Perplexity, Google AI Overviews, Gemini) могли найти ваши данные, понять их и процитировать прямо в тексте ответа пациенту. Ключевое отличие от классического SEO: целью становится не позиция в списке из десяти ссылок, а попадание в сам ответ и в блок источников под ним.

Разница в поведении пациента принципиальна. В обычном поиске человек видел десять вариантов и мог выбрать вас пятым. В AI-ответе он видит один связный текст и три-пять сносок. Промежуточных позиций нет: клиника либо цитируется, либо для этого пользователя её не существует.

Хорошая новость: GEO не отменяет SEO, а надстраивается над ним. Большая часть работы — это чистая техническая база, структурированные данные и доказуемая экспертиза. То есть вещи, которые всё равно нужны сайту медцентра.

У каждого движка своя механика доступа к вебу. OpenAI использует несколько ботов: GPTBot (сбор данных), OAI-SearchBot (индекс для поиска) и ChatGPT-User (переход по ссылке в момент запроса пользователя). Perplexity ходит на сайты через PerplexityBot и дополняет собственный индекс внешними поисковыми источниками. Если эти агенты закрыты в robots.txt или отсекаются защитой от ботов — вопрос видимости закрыт до всех остальных работ.

Дальше работает отбор. Модель ищет фрагмент, который однозначно отвечает на конкретную формулировку вопроса, проверяет свежесть страницы, согласованность фактов между несколькими источниками и авторитетность площадки. Чем короче и точнее извлекаемый фрагмент, тем выше шанс, что процитируют именно вас, а не агрегатор клиник.

Медицина относится к тематикам повышенной ответственности (YMYL в терминологии рекомендаций Google для асессоров). Порог доверия здесь выше, чем в любой другой нише: нужны имя и квалификация врача-автора, реквизиты клиники, лицензия на медицинскую деятельность, ссылки на клинические рекомендации или профильные организации.

Базовый чек-лист, который стоит закрыть до любого контента:

1) В robots.txt явно разрешены GPTBot, OAI-SearchBot, ChatGPT-User, PerplexityBot и другие агенты, которым вы хотите открыться. 2) Контент отдаётся в HTML на сервере — большинство AI-краулеров не выполняют JavaScript так же полно, как браузер, и цены с расписанием, подгружаемые скриптом, для них не существуют. 3) Разметка Schema.org: MedicalClinic или MedicalBusiness для организации, Physician для врачей, MedicalWebPage для страниц о процедурах, Service, FAQPage, OpeningHoursSpecification, GeoCoordinates. 4) Sitemap с честными датами обновления. 5) Отдельные языковые версии ru и kk с корректным hreflang.

Отдельно — новый и пока неофициальный формат llms.txt: текстовый файл в корне с кратким описанием клиники, услуг и ссылками на ключевые страницы. Гарантий по нему нет, стоимость внедрения — час работы, поэтому имеет смысл сделать и не строить на нём ожиданий.

Первый экран страницы услуги должен содержать блок прямого ответа: 40–60 слов, которые полностью отвечают на вопрос «что это за процедура, кому нужна, сколько занимает». Именно такой абзац модель забирает в ответ целиком. Всё остальное — детали, которые повышают доверие и удерживают пациента.

Дальше по структуре: цена в тенге (диапазон допустим, «уточняйте» — нет), длительность приёма, нужна ли подготовка, противопоказания, что входит в стоимость, какой врач проводит процедуру со ссылкой на его профиль с образованием и стажем. Таблицы и списки извлекаются лучше сплошного текста. В конце — FAQ из 5–8 реальных вопросов.

Формулируйте заголовки так, как пациент спрашивает у AI, а не как пишут в медицинских брошюрах: «сколько стоит МРТ головного мозга в Алматы», «нужна ли подготовка к гастроскопии», «чем отличается УЗИ от МРТ коленного сустава». Разговорные длинные запросы — основная форма обращения к чат-моделям, и совпадение формулировки заметно повышает шанс цитирования.

AI-модель собирает представление о клинике не только с сайта. Она сверяет данные между площадками, и расхождения ломают узнавание сущности. Проверьте абсолютную идентичность названия, адреса и телефона (NAP) в Google Business Profile, 2ГИС, Яндекс Картах, отраслевых каталогах врачей и в соцсетях. Разные номера телефонов для рекламы и для карточки — типичная и дорогая ошибка медцентров.

Отзывы работают как источник тональности: модели пересказывают то, что о вас пишут, а не только то, что вы пишете о себе. Систематическая работа с отзывами на картах и агрегаторах — это часть GEO, а не отдельная задача репутационщика. То же касается упоминаний в СМИ и экспертных комментариев врачей на сторонних площадках: они дают модели независимое подтверждение вашей экспертизы.

Для Казахстана добавляется двуязычность. Запросы на казахском и русском дают разные ответы и разные наборы источников — если казахской версии страниц нет, вы автоматически отсутствуете в половине сценариев. Ещё один локальный фактор: указывайте город и район явным текстом, а не только на карте.

Позиций в GEO нет, поэтому измерение строится иначе. Составьте набор из 30–50 промптов, которыми пациент реально ищет ваши услуги, и раз в 2–4 недели фиксируйте по каждому: упомянут ли бренд, дана ли ссылка, какие конкуренты попали в ответ. Параллельно смотрите логи сервера по user-agent (PerplexityBot, OAI-SearchBot, ChatGPT-User) — это показывает, читают ли вас вообще, и переходы с chatgpt.com и perplexity.ai в GA4 как источник трафика.

План первого месяца: неделя 1 — технический аудит, robots.txt, серверный рендеринг ключевых блоков. Неделя 2 — разметка Schema.org и вычистка NAP по всем внешним площадкам. Неделя 3 — переписать десять самых маржинальных страниц услуг по схеме «прямой ответ + цена + врач + FAQ». Неделя 4 — снять базовый замер по набору промптов, чтобы дальше сравнивать с ним.

Реалистичные ожидания: индексация и переиндексация занимают недели, а ответы моделей нестабильны — один и тот же запрос может дать разные источники. Поэтому смотрите на долю промптов с упоминанием клиники в динамике за несколько замеров, а не на разовый результат.